Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage
Töniges T (2019)
Bielefeld: Universität Bielefeld.
Bielefelder E-Dissertation | Deutsch
Download
dissertation_torben_toeniges.pdf
47.44 MB
Autor*in
Gutachter*in / Betreuer*in
Einrichtung
Abstract / Bemerkung
In dieser Arbeit entwickele ich Verfahren, um während der Interaktion mit einem prozessbasierten System, einzelne Prozessschritte anhand des Nutzungsverhaltens zu bewerten und Störungen im Prozess zu erkennen. Darüber hinaus mache ich menschliche Verhaltensanalysen für weitere Entwicklungsprozesse von prozessbasierten Systemen verwendbar.
Ich integriere dazu verschiedene Arten der Prozessstörung in einem mithilfe von nutzerorientierten Entwicklungskonzepten erstellten Montageassistenzsystem, um natürliche menschliche Reaktionen auf Störungen auszulösen und somit die von mir entwickelten Verfahren der Erkennung dieser Schwierigkeiten zu evaluieren. Ich zeige, dass eine multimodale menschliche Verhaltensanalyse in der Lage ist, zusätzlich zu den durch die Versuchspersonen erkannten und verbalisierten schwerwiegenden Störungen weitere Verbesserungspotentiale im Prozess aufzuzeigen. Bei der Analyse menschlichen Verhaltens betrachte ich neben der direkten System-Interaktion und der Dauer einzelner Prozessschritte vor allem die Analyse des Gesichtes und der Kopfbewegung. Ich entwickle sowohl überwachte als auch unüberwachte Erkennungsverfahren. Die Modellierung als ein binäres Entscheidungsproblem und die Evaluation dieses überwachten Verfahrens machen deutlich, dass eine Unterscheidung zwischen Prozessschritten mit schwerwiegenden Störungen und allen anderen Prozessschritten möglich ist. Die gelernten Modelle erzielen dabei zumeist nur befriedigende Leistungen. Bei der Verwendung von unüberwachten Methoden beschreibe ich ein neuartiges Verfahren, welches anhand eines gelernten Modells von \glqq{}normalem menschlichen Verhaltens\grqq{} während eines Prozessschrittes zuverlässig Prozessschritte mit abweichenden Verhaltensweisen identifizieren kann.
Durch die Anwendung der entwickelten Verfahren in einer digitalen Lernumgebung und somit einen deutlich anderen Bereich der Mensch-System Interaktion zeige ich schließlich die Generalisierbarkeit meiner entwickelten Methoden. Dabei sind die überwachten Verfahren in der Lage, menschliche Fehler vorherzusagen und die unüberwachten Verfahren können einzelne Aufgabenabschnitte in Hinblick auf ihre Schwierigkeit vergleichen.
Ich integriere dazu verschiedene Arten der Prozessstörung in einem mithilfe von nutzerorientierten Entwicklungskonzepten erstellten Montageassistenzsystem, um natürliche menschliche Reaktionen auf Störungen auszulösen und somit die von mir entwickelten Verfahren der Erkennung dieser Schwierigkeiten zu evaluieren. Ich zeige, dass eine multimodale menschliche Verhaltensanalyse in der Lage ist, zusätzlich zu den durch die Versuchspersonen erkannten und verbalisierten schwerwiegenden Störungen weitere Verbesserungspotentiale im Prozess aufzuzeigen. Bei der Analyse menschlichen Verhaltens betrachte ich neben der direkten System-Interaktion und der Dauer einzelner Prozessschritte vor allem die Analyse des Gesichtes und der Kopfbewegung. Ich entwickle sowohl überwachte als auch unüberwachte Erkennungsverfahren. Die Modellierung als ein binäres Entscheidungsproblem und die Evaluation dieses überwachten Verfahrens machen deutlich, dass eine Unterscheidung zwischen Prozessschritten mit schwerwiegenden Störungen und allen anderen Prozessschritten möglich ist. Die gelernten Modelle erzielen dabei zumeist nur befriedigende Leistungen. Bei der Verwendung von unüberwachten Methoden beschreibe ich ein neuartiges Verfahren, welches anhand eines gelernten Modells von \glqq{}normalem menschlichen Verhaltens\grqq{} während eines Prozessschrittes zuverlässig Prozessschritte mit abweichenden Verhaltensweisen identifizieren kann.
Durch die Anwendung der entwickelten Verfahren in einer digitalen Lernumgebung und somit einen deutlich anderen Bereich der Mensch-System Interaktion zeige ich schließlich die Generalisierbarkeit meiner entwickelten Methoden. Dabei sind die überwachten Verfahren in der Lage, menschliche Fehler vorherzusagen und die unüberwachten Verfahren können einzelne Aufgabenabschnitte in Hinblick auf ihre Schwierigkeit vergleichen.
Jahr
2019
Urheberrecht / Lizenzen
Page URI
https://pub.uni-bielefeld.de/record/2934033
Zitieren
Töniges T. Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage. Bielefeld: Universität Bielefeld; 2019.
Töniges, T. (2019). Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage. Bielefeld: Universität Bielefeld. doi:10.4119/unibi/2934033
Töniges, Torben. 2019. Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage. Bielefeld: Universität Bielefeld.
Töniges, T. (2019). Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage. Bielefeld: Universität Bielefeld.
Töniges, T., 2019. Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage, Bielefeld: Universität Bielefeld.
T. Töniges, Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage, Bielefeld: Universität Bielefeld, 2019.
Töniges, T.: Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage. Universität Bielefeld, Bielefeld (2019).
Töniges, Torben. Menschliche Verhaltensanalyse zur Beurteilung prozessbasierter Assistenzsysteme am Beispiel der industriellen manuellen Montage. Bielefeld: Universität Bielefeld, 2019.
Alle Dateien verfügbar unter der/den folgenden Lizenz(en):
Creative Commons Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International (CC BY-NC-ND 4.0):
Volltext(e)
Name
dissertation_torben_toeniges.pdf
47.44 MB
Access Level
Open Access
Zuletzt Hochgeladen
2019-09-06T09:19:06Z
MD5 Prüfsumme
6432076edad466bf74ac16042b5fd6bc